CN110222652B

CN110222652B - 行人检测方法、装置及电子设备

Info

Publication number: CN110222652B
Application number: CN201910498944.9A
Authority: CN
Inventors: 闫勇
Original assignee: Hunan Goke Microelectronics Co Ltd
Current assignee: Hunan Goke Microelectronics Co Ltd
Priority date: 2019-06-10
Filing date: 2019-06-10
Publication date: 2021-07-27
Anticipated expiration: 2039-06-10
Also published as: CN110222652A

Abstract

本发明公开了一种行人检测方法、装置及电子设备，所述方法包括：基于当前行人检测框和先前行人检测框获得目标区域，当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征；当当前帧图像是视频流的首帧图像时，当前行人检测框的尺寸与首帧图像的尺寸相同，先前行人检测框为空；对目标区域进行行人检测，以获得当前帧图像的行人检测结果。解决了现有技术中存在的行人检测速度慢的技术问题，达到了提高行人检测速度的技术效果。

Description

行人检测方法、装置及电子设备

技术领域

本发明涉及图像处理领域，具体而言，涉及一种行人检测方法、装置及电子设备。

背景技术

随着科技的发展，人工智能的需求应用越来越广泛，其中行人检测在嵌入式设备中的应用越来越多。目前，行人检测在学术上有许多算法，其中使用最广泛的就是支持向量机(Support Vector Machine，SVM)加方向梯度直方图(Histogram of OrientedGradient，HOG)特征分类算法，即SVM+HOG特征分类算法。SVM+HOG特征分类算法可以获得较高精度的行人检测结果，但是SVM+HOG特征分类算法的存在运算量大的不足，使得行人检测速度慢。

发明内容

本发明的目的在于提供一种行人检测方法、装置及电子设备，其旨在提高行人检测速度。

第一方面，本发明实施例提供了一种行人检测方法，包括：

基于当前行人检测框和先前行人检测框获得目标区域，所述当前行人检测框用于定位在当前帧图像检测得到的运动特征，所述先前行人检测框用于定位在先前帧图像检测得到的运动特征；当所述当前帧图像是视频流的首帧图像时，所述当前行人检测框的尺寸与所述首帧图像的尺寸相同，所述先前行人检测框为空；

对所述目标区域进行行人检测，以获得所述当前帧图像的行人检测结果。

可选的，所述基于当前行人检测框和先前行人检测框获得目标区域，包括：

获得所述当前行人检测框和所述先前行人检测框的外接矩形框；

基于所述外接矩形框的位置信息，在所述当前帧图像中获得所述目标区域。

可选的，在所述基于当前行人检测框和先前行人检测框获得目标区域之前，所述方法还包括：

获得所述当前行人检测框。

可选的，所述获得所述当前行人检测框，包括：

当所述当前帧图像是所述视频流的首帧图像时，以所述首帧图像的外接矩形作为所述当前行人检测框；

当所述当前帧图像不是所述视频流的首帧图像时，基于帧差法，在所述当前帧图像中获得当前行人检测框。

可选的，所述当前帧图像是，在所述视频流中所述先前帧图像的后一帧图像。

可选的，所述对所述目标区域进行行人检测，以获得所述当前帧图像的行人检测结果，包括：

获得所述目标区域的第一特征；

基于所述第一特征，获得所述目标区域的行人检测结果，所述目标区域的行人检测结果表征所述当前帧图像的行人检测结果。

可选的，所述基于所述第一特征，获得所述目标区域的行人检测结果，包括：

若获得多个所述第一特征，对多个所述第一特征进行分类，获得有运动特征类，所述有运动特征类包括运动值达到第一设定值的一个或者多个所述第一特征，所述运动值表征所述第一特征的运动幅度，所述有运动特征类中的第一特征对应所述目标区域的中的运动区域；

对所述运动区域进行特征提取，获得第二特征；

若有多个所述第二特征，对所述多个所述第二特征进行分类，获得目标特征，所述目标特征对应所述运动区域中的行人区域；

根据所述目标特征，获得目标区域的行人检测结果；

若获得一个所述第一特征或者所述有运动特征类包括一个所述第一特征，根据所述第一特征，判断所述目标区域是否有行人，获得目标区域的行人检测结果。

第二方面，本发明实施例提供了一种行人检测装置，包括：

第一处理模块，用于基于当前行人检测框和先前行人检测框获得目标区域，所述当前行人检测框用于定位在当前帧图像检测得到的运动特征，所述先前行人检测框用于定位在先前帧图像检测得到的运动特征；当所述当前帧图像是视频流的首帧图像时，所述当前行人检测框的尺寸与所述首帧图像的尺寸相同，所述先前行人检测框为空；

第二处理模块，用于对所述目标区域进行行人检测，以获得所述当前帧图像的行人检测结果。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。

第四方面，本发明实施例提供了一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。

相对现有技术，本发明具有以下有益效果：

本发明实施例提供了一种行人检测方法、装置及电子设备，所述方法包括：基于当前行人检测框和先前行人检测框获得目标区域，当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征；当当前帧图像是视频流的首帧图像时，当前行人检测框的尺寸与首帧图像的尺寸相同，先前行人检测框为空；对目标区域进行行人检测，以获得当前帧图像的行人检测结果。因为当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征，基于当前行人检测框和先前行人检测框获得的目标区域定位了先前帧图像的运动区域和当前帧图像的运动区域，对目标区域进行行人检测，提高了行人检测的精度；因为目标区域仅是当前帧图像中包含运动特征的区域，目标区域的尺寸比当前帧图像的尺寸小，于是对目标区域进行行人检测相对于对整张当前帧图像，缩小了对图像的行人检测的范围，进而减小了行人检测的计算量，加快了行人检测速度。因此，解决了现有技术中存在的行人检测速度慢的技术问题，达到了提高行人检测速度的技术效果。

本发明实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例提供的一种行人检测方法的流程图。

图2示出了本发明实施例提供的另一种行人检测方法的流程图。

图3示出了本发明实施例提供的一种行人检测装置200的方框结构示意图。

图4示出了本发明实施例提供的一种电子设备的方框结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

针对SVM+HOG特征分类算法的存在运算量大的不足，本申请在检测过程中对检测视频做运动检测以减小检测面积，同时选择了计算更快的中心变换直方图(censustransform histogram，CENTRIST)特征，使之能在嵌入式设备中实时运行。为了保证行人检测的准确率，本申请在线性分类器的基础上加上了经过主成分分析(principal componentanalysis，PCA)或8bit整形量化处理的直方图交叉核(Histogram intersection kernel，HIK)分类器，加快检测速度的同时降低内存占用。

本发明实施例提供了本发明实施例提供了一种行人检测方法、装置及电子设备，用以解决现有技术中存在的行人检测速度慢的技术问题。

实施例

本发明实施例提供的一种行人检测方法，可以应用于计算机、平板电脑等电子设备以及基于嵌入式电子设备，行人检测方法包括如图1所示的S100和S200，以下结合图1对S100和S200进行阐述。

S100：基于当前行人检测框和先前行人检测框获得目标区域。

其中，当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征；当当前帧图像是视频流的首帧图像时，当前行人检测框的尺寸与所述首帧图像的尺寸相同，先前行人检测框为空。

S200：对目标区域进行行人检测，以获得当前帧图像的行人检测结果。

通过采用以上方案，因为当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征，基于当前行人检测框和先前行人检测框获得的目标区域定位了先前帧图像的运动区域和当前帧图像的运动区域，对目标区域进行行人检测，提高了行人检测的精度；因为目标区域仅是当前帧图像中包含运动特征的区域，目标区域的尺寸比当前帧图像的尺寸小，于是对目标区域进行行人检测相对于对整张当前帧图像，缩小了对图像的行人检测的范围，进而减小了行人检测的计算量，加快了行人检测速度。因此，解决了现有技术中存在的行人检测速度慢的技术问题，达到了提高行人检测速度的技术效果。

其中，针对S100，作为一种可选的实施方式，S100包括如图2所示的S100-01和S100-02，以下结合图2对S100-01和S100-02进行阐述。

S100-01：获得当前行人检测框和先前行人检测框的外接矩形框；

S100-02：基于外接矩形框的位置信息，在当前帧图像中获得目标区域。

通过采用以上方案，通过采用外接矩形框在当前帧图像中圈到目标区域，目标区域包含了在当前帧图像中的检测到的存在运动特征的区域，同时包含了在当前帧图像中与先前帧图像的运动特征的区域对应的区域，这个区域在当前图像中可能存在运动特征，因此，目标区域包含了当前帧图像中检测到运动特征的区域和可能存在的运动特征的区域，因而，提高了目标区域包含运动特征的准确性。目标区域呈矩形，是当前行人检测框和先前行人检测框的外接矩形框，即可能包含了当前行人检测框和先前行人检测框都不涵盖的区域，即包括了当前行人检测框和先前行人检测框均未检测到的运动特征，增大了目标区域包含的运动特征的数量，进而提高了基于目标区域获得当前帧图像的行人检测结果的准确性。

作为一种可选的实施方式，在S100之前，所述方法还包括：获得当前行人检测框。获得当前行人检测框的步骤具体为：当当前帧图像是视频流的首帧图像时，以首帧图像的外接矩形作为当前行人检测框；当当前帧图像不是视频流的首帧图像时，基于帧差法，在当前帧图像中获得当前行人检测框。在本发明实施例中，当前帧图像是，在视频流中先前帧图像的后一帧图像，可选的，基于帧差法，在当前帧图像中获得当前行人检测框的步骤，具体为：以当前帧图像的前一帧图像作为背景图像，以当前帧图像作为前景图像，以前景图像减去背景图像，获得运动特征区域，运动特征区域即是当前行人检测框所在区域。作为一种可选的实施方式，当前行人检测框是矩形，具体的，可以是运动特征区域的外接矩形，也可以是设定尺寸的矩形。

针对S200，作为一种可选的实施方式，S200具体为：获得目标区域的第一特征；基于第一特征，获得目标区域的行人检测结果，目标区域的行人检测结果表征当前帧图像的行人检测结果。针对基于第一特征，获得目标区域的行人检测结果，具体为：若获得多个第一特征，对多个第一特征进行分类，获得有运动特征类，有运动特征类包括运动值达到第一设定值的一个或者多个第一特征，运动值表征第一特征的运动幅度，有运动特征类中的第一特征对应目标区域的中的运动区域；对运动区域进行特征提取，获得第二特征；若有多个第二特征，对多个所述第二特征进行分类，获得目标特征，目标特征对应所述运动区域中的行人区域；根据目标特征，获得目标区域的行人检测结果；若获得一个所述第一特征或者所述有运动特征类包括一个所述第一特征，根据所述第一特征，判断所述目标区域是否有行人，获得目标区域的行人检测结果。

其中，作为一种可选的实施方式，对多个第一特征进行分类具体为：通过线性分类器对多个第一特征进行分类，获得有运动特征类和无运动特征类，有运动特征类中包括的第一特征对应目标区域中的运动区域，无运动特征类中包括的第一特征对应目标区域中的非运动区域。对多个所述第二特征进行分类，获得目标特征，具体为：通过HIK分类器对多个第二特征进行分类，得到的目标特征可以准确表征行人的具体位置。作为进一步的，通过非极大值抑制(Non-Maximum Suppression，NMS)算法对目标特征进行处理，获得行人的准确位置，即获得获得目标区域行人检测结果。

通过采用以上方案，利用线性分类器检测速度快的特点，快速过滤掉99％以上的非运动区域，再利用HIK分类器检测准确度高的特点对第二特征进行分类，得到的目标特征可以准确表征行人的具体位置，提高行人检测准确度，同时检测速度快，提高了行人检测的效率。

作为一种可选的实施方式，第一特征和第二特征可以是CENTRIST特征。其中，提取CENTRIST特征的方式可以是：将目标区域(运动区域)转换成灰度图；计算灰度图的Sobel特征的平方，获得灰度平方图；基于灰度平方图获得CT编码值；根据CT编码值的直方图计算得到目标区域的CENTRIST特征。

提取目标区域的CENTRIST特征，使用的是索贝尔(Sobel)特征的平方来计算CT编码值，减少开方运算，减少计算CENTRIST特征的时间。获得第一特征后，判断第一特征的数量，若有多个第一特征，即第一特征的数量大于或者等于2，对多个第一特征进行分类。

因为HIK分类器内存占用比较大，使用HIK分类器对直方图特征值进行分类得到的分类结果数据量大，为了减小数据量，降低内存，以能够更加适用于嵌入式设备，所述方法还包括：使用8bit整形量化方式或PCA法对HIK分类器进行压缩。然后通过压缩后的HIK分类器对多个第二特征进行分类，以减少数据量，减少内存占用。

综上所述，本发明实施例提供了一种行人检测方法，基于当前行人检测框和先前行人检测框获得目标区域，当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征；当当前帧图像是视频流的首帧图像时，当前行人检测框的尺寸与首帧图像的尺寸相同，先前行人检测框为空；对目标区域进行行人检测，以获得当前帧图像的行人检测结果。因为当前行人检测框用于定位在当前帧图像检测得到的运动特征，先前行人检测框用于定位在先前帧图像检测得到的运动特征，基于当前行人检测框和先前行人检测框获得的目标区域定位了先前帧图像的运动区域和当前帧图像的运动区域，对目标区域进行行人检测，提高了行人检测的精度；因为目标区域仅是当前帧图像中包含运动特征的区域，目标区域的尺寸比当前帧图像的尺寸小，于是对目标区域进行行人检测相对于对整张当前帧图像，缩小了对图像的行人检测的范围，进而减小了行人检测的计算量，加快了行人检测速度。因此，解决了现有技术中存在的行人检测速度慢的技术问题，达到了提高行人检测速度的技术效果。

针对上述实施例提供一种行人检测方法，本申请实施例还对应提供一种用于执行上述的步骤的执行主体，该执行主体可以为图3中行人检测方法装置200。请参考图3，该装置包括：

第一处理模块210，用于基于当前行人检测框和先前行人检测框获得目标区域，所述当前行人检测框用于定位在当前帧图像检测得到的运动特征，所述先前行人检测框用于定位在先前帧图像检测得到的运动特征；当所述当前帧图像是视频流的首帧图像时，所述当前行人检测框的尺寸与所述首帧图像的尺寸相同，所述先前行人检测框为空；

第二处理模块220，用于对所述目标区域进行行人检测，以获得所述当前帧图像的行人检测结果。

作为一种可选的实施方式，第一处理模块210具体用于：

作为一种可选的实施方式，所述装置还包括：

获得模块，用于获得所述当前行人检测框。

作为一种可选的实施方式，获得模块具体用于：

作为一种可选的实施方式，第二处理模块220具体用于：

获得所述目标区域的第一特征；

作为一种可选的实施方式，第二处理模块220还具体用于：

对所述运动区域进行特征提取，获得第二特征；

根据所述目标特征，获得目标区域的行人检测结果；

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本发明实施例还提供了一种电子设备，如图4所示，包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序，所述处理器502执行所述程序时实现前文所述行人检测方法的任一方法的步骤。

其中，在图4中，总线架构(用总线500来代表)，总线500可以包括任意数量的互联的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理，而存储器504可以被用于存储处理器502在执行操作时所使用的数据。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述行人检测方法的任一方法的步骤。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims

1.一种行人检测方法，其特征在于，包括：

获得所述目标区域的第一特征；

基于所述第一特征，获得所述目标区域的行人检测结果，所述目标区域的行人检测结果表征所述当前帧图像的行人检测结果；所述基于所述第一特征，获得所述目标区域的行人检测结果，包括：

若获得多个所述第一特征，对多个所述第一特征进行分类，获得有运动特征类，所述有运动特征类包括运动值达到第一设定值的一个或者多个所述第一特征，所述运动值表征所述第一特征的运动幅度，所述有运动特征类中的第一特征对应所述目标区域中的运动区域；

对所述运动区域进行特征提取，获得第二特征；

根据所述目标特征，获得目标区域的行人检测结果。

2.根据权利要求1所述的方法，其特征在于，所述基于当前行人检测框和先前行人检测框获得目标区域，包括：

3.根据权利要求1所述的方法，其特征在于，在所述基于当前行人检测框和先前行人检测框获得目标区域之前，所述方法还包括：

获得所述当前行人检测框。

4.根据权利要求3所述的方法，其特征在于，所述获得所述当前行人检测框，包括：

5.根据权利要求4所述的方法，其特征在于，所述当前帧图像是所述视频流中所述先前帧图像的后一帧图像。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第一特征，获得所述目标区域的行人检测结果，包括：

7.一种行人检测装置，其特征在于，包括：

第二处理模块，用于获得所述目标区域的第一特征；

对所述运动区域进行特征提取，获得第二特征；若有多个所述第二特征，对所述多个所述第二特征进行分类，获得目标特征，所述目标特征对应所述运动区域中的行人区域；根据所述目标特征，获得目标区域的行人检测结果。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。

9.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-6任一项所述方法的步骤。